Python re 库的正确使用姿势

前提假设:

1. 已经充分掌握 PCRE 风格正则表达式
2. 熟读 re 库文档

Why

正则表达式的强大已不用我赘述，Python 对此的支持也是十分强大，只不过：

re.search(pattern, string, flags=0)
re.match(pattern, string, flags=0)
......
复制代码

你能很麻利地使用如上所示的一系列模块级别function 吗，如果你天天用 Python 搞正则匹配，相信你一定很熟练。但是如果你需要每次临时翻阅文档才能知道如何使用它，那么就要思考：是不是 API 在某种程度上设计不好了（有的语言的 pattern 极有可能不是放在首位）。

一般来说，API 的接口参数越少越好，最好的就是没有参数，调用者无脑调用，没有任何记忆负担。而 Python 的 re 库，在我看来，应该至少糅合了「命令式」与「OOP」两种风格，而且接口也不「最小化，正交」。

使用姿势

正确的姿势应该是：只用 OOP 风格，并且完全忘记 re 库提供的一系列模块级别的 function （如 re.search, re.match等）。

首先是每次都构造出 Regex 对象，然后由 Regex 对象得出 Match 对象，然后在 Regex 对象和 Match 对象上进行一系列操作。比如：

# 1. 构造REGEX = re.compile($pattern, flags)     flags是re模块的常量# 2. 获取 MatchObjectm = regex.search(string)# 3. 后续 MatchObject 的使用1. 获取分组  group()    2. groups3. groupdict()
复制代码

应用举例

比如我在自己构造的 PathUtils 中，就是如此使用的（我非常喜欢各种各样的 Utils ）：

from __future__ import (absolute_import, unicode_literals)import reclass PathUtils(object):"""路径操作的工具函数"""_LINUX_ROOT = '/'_LINUX_PATH_SPLITOR = '/'@classmethoddef is_two_linux_path_contains(cls, path1, path2):"""两个Linux路径是否存在互相包含关系"""if path1 == cls._LINUX_ROOT or path2 == cls._LINUX_ROOT:return Truepath1_split = path1.split(cls._LINUX_PATH_SPLITOR)path2_split = path2.split(cls._LINUX_PATH_SPLITOR)for item1, item2 in zip(path1_split, path2_split):if item1 != item2:return Falsereturn True@classmethoddef is_valid_linux_path(cls, path):if not path:return FalseLINUX_PATH_REGEX = r'^(/[^/ ]*)+/?$'return cls.is_valid_pattern(path, LINUX_PATH_REGEX)@classmethoddef is_valid_windows_path(cls, path):if not path:return FalseWINDOWS_PATH_REGEX = r'^[a-zA-Z]:\\(((?![<>:"/\\|?*]).)+((?<![ .])\\)?)*$'return cls.is_valid_pattern(path, WINDOWS_PATH_REGEX)@classmethoddef is_valid_path(cls, p):if not p:return Falsereturn cls.is_valid_linux_path(p) or cls.is_valid_windows_path(p)@classmethoddef is_valid_pattern(cls, value, pattern):if not value:return FalseREGEX = re.compile(pattern, re.UNICODE)m = REGEX.match(value)return True if m else False
复制代码

主要的功能函数就是：

@classmethod
def is_valid_pattern(cls, value, pattern):if not value:return FalseREGEX = re.compile(pattern, re.UNICODE)m = REGEX.match(value)return True if m else False
复制代码

这样一系列流程下来，我的感受就是，re 库的接口没有需要记忆，也没有需要临时翻阅文档的地方，并且我只用这一种风格（自己熟悉的，效率总是最高的），比如 re.compile肯定只需要传一个参数(flags不是必要的)，REGEX_OBJ.match/search肯定只需要传need_search_string即可。

附录

• re 库文档
• PCRE 流派正则表达式风格